System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于小样本的鸡只识别方法及装置、存储介质及电子设备制造方法及图纸_技高网

基于小样本的鸡只识别方法及装置、存储介质及电子设备制造方法及图纸

技术编号:44697840 阅读:2 留言:0更新日期:2025-03-19 20:48
本申请实提供一种基于小样本的鸡只识别方法及装置、存储介质及电子设备,应用于图像处理技术领域,包括:使用拍摄设备采集养殖区域的鸡只监控视频;对鸡只监控视频进行处理,得到多张监控图片;将多张监控图片输入预先训练完成的识别模型,使得识别模型中的鸡只身份识别模型和鸡只行为识别模型对每张所述监控图片进行识别处理,得到识别模型输出的养殖区域中每只鸡的识别信息,识别信息中包括鸡的身份识别信息和行为识别信息;其中,识别模型中的鸡只身份识别模型和鸡只行为识别模型均基于引入可变形检测器的元学习检测器框架构建。使用识别模型采集包括鸡的行为数据的识别信息,无需人工实地观察,提高了采集到的鸡只的行为数据的准确性。

【技术实现步骤摘要】

本专利技术涉及图像处理,特别涉及一种基于小样本的鸡只识别方法及装置、存储介质及电子设备


技术介绍

1、在肉鸡的培育过程中,鸡的行为数据具有多方面的意义,鸡的一些行为反映了鸡的健康状况和生长状态,研究人员可以通过鸡的行为数据调整饲养管理措施、筛选具有油量遗传特性的个体等,鸡的行为数据是培育鸡的重要研究数据。

2、专利技术人研究发现,目前是通过人工观察鸡,从而得到鸡的行为数据,这种获取鸡的行为数据的方式工作量大,并且人工在观察鸡的过程中容易对鸡造成刺激,导致采集到的鸡的行为数据出现偏差,得到行为数据不准确。


技术实现思路

1、有鉴于此,本申请实施例提供一种基于小样本的鸡只识别方法及装置、存储介质及电子设备,本申请使用基于引入可变形检测器的元学习检测器框架构建的识别模型获取养殖区域中的鸡的识别信息,无需人工在实地观察,避免刺激鸡群,提高采集到的数据的准确性,以及降低采集数据的成本。

2、为实现上述目的,本申请实施例提供如下技术方案:

3、本申请第一方面提供一种基于小样本的鸡只识别方法,包括:

4、使用预先设置的拍摄设备采集养殖区域的鸡只监控视频,所述养殖区域中包含多只被监控的鸡;

5、对所述鸡只监控视频进行处理,得到多张监控图片;

6、将多张监控图片输入预先训练完成的识别模型,使得所述识别模型中的鸡只身份识别模型和鸡只行为识别模型对每张所述监控图片进行识别处理,得到所述识别模型输出的所述养殖区域中每只鸡的识别信息,所述识别信息中包括鸡的身份识别信息和行为识别信息;其中,所述识别模型中的鸡只身份识别模型和鸡只行为识别模型均基于引入可变形检测器的元学习检测器框架构建。

7、本申请第二方面提供一种基于小样本的鸡只识别装置,包括:

8、采集单元,用于使用预先设置的拍摄设备采集养殖区域的鸡只监控视频,所述养殖区域中包含多只被监控的鸡;

9、处理单元,用于对所述鸡只监控视频进行处理,得到多张监控图片;

10、识别单元,用于将多张监控图片输入预先训练完成的识别模型,使得所述识别模型中的鸡只身份识别模型和鸡只行为识别模型对每张所述监控图片进行识别处理,得到所述识别模型输出的所述养殖区域中每只鸡的识别信息,所述识别信息中包括鸡的身份识别信息和行为识别信息;其中,所述识别模型中的鸡只身份识别模型和鸡只行为识别模型均基于引入可变形检测器的元学习检测器框架构建。

11、本申请第三方面提供一种存储介质,所述存储介质包括存储的指令,其中,在所述指令运行时控制所述存储介质所在的设备执行如上所述的基于小样本的鸡只识别方法。

12、本申请第四方面提供一种电子设备,包括存储器,以及一个或者一个以上的指令,其中一个或者一个以上指令存储于存储器中,且经配置以由一个或者一个以上处理器执行如上所述的基于小样本的鸡只识别方法。

13、与现有技术相比,本申请具有以下优点:

14、本申请实提供一种基于小样本的鸡只识别方法及装置、存储介质及电子设备,包括:使用预先设置的拍摄设备采集养殖区域的鸡只监控视频,养殖区域中包含多只被监控的鸡;对鸡只监控视频进行处理,得到多张监控图片;将多张监控图片输入预先训练完成的识别模型,使得识别模型中的鸡只身份识别模型和鸡只行为识别模型对每张所述监控图片进行识别处理,得到识别模型输出的养殖区域中每只鸡的识别信息,识别信息中包括鸡的身份识别信息和行为识别信息;其中,识别模型中的鸡只身份识别模型和鸡只行为识别模型均基于引入可变形检测器的元学习检测器框架构建。应用本申请提供的方案获取包含鸡只的行为数据的识别信息,获取的过程无需人工实地观察采集相关的数据,避免出现因刺激鸡导致数据不准确定的情况,提供了一种便捷、成本低的数据采集方式,并且提高了采集到的鸡只的行为数据的准确性。有效降低家禽培育人工成本,提升家禽培育经济效益。

本文档来自技高网...

【技术保护点】

1.一种基于小样本的鸡只识别方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,训练识别模型的过程,包括:

3.根据权利要求2所述的方法,其特征在于,所述使用所述身份标签检测数据集和所述鸡只打斗行为数据集,对所述鸡只识别模型中的鸡只身份识别模型和鸡只行为识别模型进行训练,包括:

4.根据权利要求1所述的方法,其特征在于,所述养殖区域中的每只鸡在预设的鸡身位置佩戴身份标签,所述身份标签携带鸡的身份信息。

5.根据权利要求1所述的方法,其特征在于,所述将多张监控图片输入预先训练完成的识别模型,使得所述识别模型中的鸡只身份识别模型和鸡只行为识别模型对每张所述监控图片进行识别处理,得到所述识别模型输出的所述养殖区域中每只鸡的识别信息,包括:

6.根据权利要求1所述的方法,其特征在于,还包括:

7.根据权利要求1所述的方法,其特征在于,所述对所述鸡只监控视频进行处理,得到多张监控图片,包括:

8.一种基于小样本的鸡只识别装置,其特征在于,包括:

9.一种存储介质,其特征在于,所述存储介质包括存储的指令,其中,在所述指令运行时控制所述存储介质所在的设备执行如权利要求1-7任意一项所述的基于小样本的鸡只识别方法。

10.一种电子设备,其特征在于,包括存储器,以及一个或者一个以上的指令,其中一个或者一个以上指令存储于存储器中,且经配置以由一个或者一个以上处理器执行如权利要求1-7任意一项所述的基于小样本的鸡只识别方法。

...

【技术特征摘要】

1.一种基于小样本的鸡只识别方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,训练识别模型的过程,包括:

3.根据权利要求2所述的方法,其特征在于,所述使用所述身份标签检测数据集和所述鸡只打斗行为数据集,对所述鸡只识别模型中的鸡只身份识别模型和鸡只行为识别模型进行训练,包括:

4.根据权利要求1所述的方法,其特征在于,所述养殖区域中的每只鸡在预设的鸡身位置佩戴身份标签,所述身份标签携带鸡的身份信息。

5.根据权利要求1所述的方法,其特征在于,所述将多张监控图片输入预先训练完成的识别模型,使得所述识别模型中的鸡只身份识别模型和鸡只行为识别模型对每张所述监控图片进行识别处理,得到所述识别模型输出的所述养殖...

【专利技术属性】
技术研发人员:王龙鹤薛宏成瞿浩李林马杰胡晓湘
申请(专利权)人:中国农业大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1